Normalização de dados

Origem: Wikipédia, a enciclopédia livre.
Ir para: navegação, pesquisa
Question book.svg
Esta página ou se(c)ção não cita fontes fiáveis e independentes (desde janeiro de 2010). Por favor, adicione referências e insira-as no texto ou no rodapé, conforme o livro de estilo. Conteúdo sem fontes poderá ser removido.
Wikitext.svg
Este artigo ou seção precisa ser wikificado (desde janeiro de 2012).
Por favor ajude a formatar este artigo de acordo com as diretrizes estabelecidas no livro de estilo.

A normalização de dados é uma série de passos que se seguem no projeto de um banco de dados, que permitem um armazenamento consistente e um eficiente acesso aos dados em bancos de dados relacionais. Esses passos reduzem a redundância de dados e as chances dos dados se tornarem inconsistentes.

No entanto, muitos SGBDs relacionais não têm separação suficiente entre o projeto lógico da base de dados e a implementação física do banco de dados, e isso tem como consequência que as consultas feitas a um banco de dados totalmente normalizado têm um mau desempenho. Nestes casos, usa-se por vezes a desnormalização para melhorar o desempenho, com o custo de menores garantias de consistência.

Panorâmica informal[editar | editar código-fonte]

Diz-se que uma tabela num banco de dados relacional está numa certa forma normal se satisfaz certas condições. O trabalho original de Edgar F. Codd definiu três dessas formas, mas existem hoje outras formas normais geralmente aceitas. Damos aqui uma curta panorâmica informal das mais comuns. Cada forma normal listada abaixo representa uma condição mais forte que a precede na lista. Para a maioria dos efeitos práticos, considera-se que as bases de dados estão normalizadas se aderirem à terceira forma normal.

  • Primeira Forma Normal (ou 1FN) requer que todos os valores de colunas em uma tabela sejam atômicos (ex., um número é um átomo, enquanto uma lista ou um conjunto não o são). A normalização para a primeira forma normal elimina grupos repetidos, pondo-os cada um em uma tabela separada, conectando-os com uma chave primária ou estrangeira.
  • Segunda Forma Normal (ou 2FN) requer que não haja dependência funcional não-trivial de um atributo que não seja a chave, em parte da chave candidata.
  • Terceira Forma Normal (ou 3FN) requer não haver dependências funcionais não-triviais de atributos que não sejam chave, em qualquer coisa exceto um superconjunto de uma chave candidata.
  • Forma Normal de Boyce-Codd (ou BCNF) requer que não exista nenhuma dependência funcional não-trivial de atributos em algo mais do que um superconjunto de uma chave candidata. Neste estágio, todos os atributos são dependentes de uma chave, de uma chave inteira e de nada mais que uma chave (excluindo dependências triviais, como A→A).
  • Quarta Forma Normal (ou 4FN) requer que não exista nenhuma dependência multi-valorada não-trivial de conjuntos de atributo em algo mais de que um superconjunto de uma chave candidata.
  • Quinta Forma Normal (ou 5FN ou PJ/NF) requer que não exista dependências de joins não triviais que não venham de restrições chave.
  • Domain-Key Normal Form (ou DK/NF) requer que todas as restrições sigam os domínios e restrições chave.

Visão Formal[editar | editar código-fonte]

Antes de falar sobre normalização, é necessário utilizar alguns termos a partir do modelo relacional e defini-los na teoria de conjuntos. Estas definições muitas vezes serão simplificações de seus significados originais, uma vez que somente alguns aspectos do modelo relacional são levados em consideração na normalização.

As notações básicas utilizadas no modelo relacional são nomes de relacionamentos e nomes de atributos, representados por cadeias de caracteres tais como Pessoas e Nomes; geralmente são utilizadas variáveis como r, s, t,… e a, b, c para o conjunto dados definido sobre eles. Outra notação básica é o conjunto de valores atômicos que contém valores tais como números e cadeias de caracteres.

A primeira definição de interesse é a noção de tupla, que formaliza a noção de linha ou registro em uma tabela:

Def. Uma tupla é uma função parcial de nomes de atributos para valores atômicos.
Def. Um cabeçalho é um conjunto finito de nomes de atributos.
Def. A projeção de uma tupla t em um conjunto finito de atributos A é t[A] = { (a, v): (a, v) ∈ t, aA }.

A próxima definição é a de relação na qual formaliza-se o teor de uma tabela como ele é definido no modelo relacional.

Def. Uma relação é uma tupla (H, B) sendo H, o cabeçalho, um cabeçalho e B, o corpo, um conjunto de tuplas em que possuem todas o domínio H.

Como uma relação corresponde definitivamente com aquela que é usualmente chamada de extensão de um predicado em lógica de primeira ordem exceto que aqui nós identificamos os locais no predicado com nomes de atributos. Geralmente no modelo relacional um esquema de banco de dados é dito consistir-se de um conjunto de nomes relação, os cabeçalhos que são associados com esses nomes e as restrições que devem manter toda instância do esquema de banco de dados. Para normalização nós nos concentraremos nas restrições que indicam relações individuais, isto é, as restrições relacionais. O propósito destas restrições é descrever o universo relacional, ou seja, o conjunto de todas as relações que são permitidas para serem associadas com certos nomes de relação.

Def. Um universo relacional U sobre um cabeçalho H é um conjunto não vazio de relações com o cabeçalho H.
Def. Um esquema relacional (H, C) consiste de um cabeçalho H e um predicado C(R) que é definido por todas as relações R com o cabeçalho H.
Def. Uma relação satisfaz o esquema relacional (H, C) se possuir o cabeçalho H e satisfizer C.

Restrições Chave e Dependências Funcionais[editar | editar código-fonte]

A restrição relacional mais importante é a restrição de Chave.

Ela relaciona cada registro (tupla) a um (ou mais) valor índice.

Def. Uma Chave é um atributo que identifica um registro(tupla).

Objetivos de normalização[editar | editar código-fonte]

Um objetivo básico da primeira forma normal, definida por Codd em 1970, era permitir dados serem questionados e manipulados usando uma "sub-linguagem de dados universal" atrelada à lógica de primeira ordem. Questionando e manipulando dados em uma estrutura de dados não normalizada, como a seguinte representação não-1NF de transações de clientes de cartão de crédito, envolve mais complexidade que é realmente necessário:

Cliente Transação
_Tr. ID____Date____________Amt.
João
12890 14 de outubro de 2003 -87
12904 15 de outubro de 2003 -50
Wilson
12898 14 de outubro de 2003 -21
Márcio
12907 15 de outubro de 2003 -18
14920 20 de novembro de 2003 -70
15003 27 de novembro de 2003 -60

Para cada cliente corresponde um grupo repetitivo de transações. A análise automatizada de transação envolve dois estágios:

  1. Desempacotar um ou mais grupos de clientes de transações permitindo transações individuais serem agrupadas para exame, e
  2. Derivar o resultado de uma consulta em resultados do primeiro estágio.

Por exemplo, para encontrar a soma monetária de todas as transações que ocorreram em outubro de 2003 para todos os clientes, o sistema necessitaria saber primeiro que precisa desempacotar o grupo de transações para cada cliente, então somar a quantidade de todas as transações de outubro de 2003.

Um das visões mais importantes de Codd foi que a complexidade desta estrutura poderia sempre ser removida completamente, levando a um poder e flexibilidade muito maior na forma de efetuar consultas. A normalização equivalente da estrutura acima seria assim:

Transações de clientes de cartão de crédito
Cliente ID da transação Data Valor
João 12890 14 de outubro de 2003 -87
João 12904 15 de outubro de 2003 -50
Wilson 12898 14 de outubro de 2003 -21
Márcio 12907 15 de outubro de 2003 -18
Márcio 14920 20 de novembro de 2003 -70
Márcio 15003 27 de novembro de 2003 -60

Agora cada linha representa uma transação individual, e um SGBD pode obter a resposta, simplesmente encontrando todas as linhas com data de outubro, somando então os valores.

Formas Normais[editar | editar código-fonte]

Primeira Forma Normal[editar | editar código-fonte]

Definição

Uma tabela está na 1FN, se e somente se, não possuir atributos multivalorados.

(note que relacionamentos, como definidos acima, estão necessariamente na 1FN)

Uma relação está na 1FN quando todos os atributos da relação estiverem baseados em um domínio simples, não contendo grupos ou valores repetidos[1] .

Definir relações NFNF

  • como transformar relações NFNF (também chamadas relações UNF) em relações 1FN
    • como transformar as restrições chave de relações aninhadas
    • como transformar as dependências funcionais de relações aninhadas
Passagem à 1FN
  • Gerar uma única tabela com colunas simples
  • Chave primária: id de cada tabela aninhada
Exemplo

Projetos(codp, tipo, descrição, code, nome, categ, salário, data_início, tempo_aloc)

Outra forma de identificar se a tabela não está na 1FN é verificando se existe tabela aninhadas, ou seja, mais de um registro para uma chave primária.

Observe o exemplo:

Considere um Pedido número 00001, para este pedido se observarmos o formulário em papel teremos muitos campos a considerar, contudo usaremos apenas alguns para facilitar o entendimento.

PEDIDOS = {COD_PEDIDO + CLIENTE + VENDEDOR + ATENDENTE + PRODUTO + QUANT + VALOR}

Neste momento devemos idealizar o pedido número: 00001 e efetuar os seguintes testes:

{COD_PEDIDO | CLIENTE | VENDEDOR | ATENDENTE | PRODUTO | QUANT | VALOR}
{00001 | "DOUGLAS TYBEL"| "MARCO"| "JOAO" | "TENIS " | "1" | "50.00"}
{00001 | "DOUGLAS TYBEL"| "MARCO"| "JOAO" | "SANDALIA" | "2" | "80.00"}
{00001 | "DOUGLAS TYBEL"| "MARCO"| "JOAO" | "CARTEIRA" | "1" | "35.00"}

Observe que para os dados do pedido 00001 lançados acima, apenas os atributos que estão em negrito SÃO ÚNICOS, pois não se diferem. Os demais atributos mudam, não cumprindo a 1FN onde os atributos devem ser atômicos, quer dizer únicos.

Para testarmos um dos atributos e ter certeza que este é atômico, podemos efetuar uma pergunta conforme o exemplo abaixo:

Podemos ter outro cliente para o pedido 00001 ? = Não. Podemos ter apenas 1 cliente por pedido, sendo assim este atributo é atômico único para 1 pedido.

Podemos ter outro vendedor para o pedido 00001 ? = Não. Podemos ter apenas 1 vendedor por pedido.

Podemos ter outro produto para o pedido 00001 ? = Sim. Podemos ter vários produtos para um pedido, sendo assim, os campos aninhados devem ser extraídos para outra tabela.

Problemas
  • Redundância;
  • Anomalias de Atualização.

Segunda Forma Normal[editar | editar código-fonte]

Definição

Uma relação está na 2FN se, e somente se, estiver na 1FN e cada atributo não-chave for dependente da chave primária inteira, isto é, cada atributo não-chave não poderá ser dependente de apenas parte da chave.

No caso de tabelas com chave primária composta, se um atributo depende apenas de uma parte da chave primária, então esse atributo deve ser colocado em outra tabela.

Passagem à 2FN
  • Geração de novas tabelas com DFs (Dependências Funcionais) completas.
  • Análise de dependências funcionais:
    • tipo e descrição dependem de codp;
    • nome, categ e salário dependem de code;
    • data_início e tempo_aloc dependem de toda a chave.
Resultado
Projetos(codp, tipo, descrição)
Empregados(code, nome, categ, salário)
ProjEmp(codp, code, data_início, tempo_aloc)
Conclusões
  • Maior independência de dados (não há mais repetição de empregados por projeto, por exemplo);
  • Redundâncias e anomalias: dependências funcionais indiretas.

Terceira Forma Normal[editar | editar código-fonte]

Definição

Uma relação R está na 3FN, se estiver na 2FN e cada atributo não-chave de R não possuir dependência transitiva, para cada chave candidata de R.

Passagem à 3FN
  • Geração de novas tabelas com DF diretas
  • Análise de dependências funcionais entre atributos não chave:
    • salário depende funcionalmente de categ.
Resultado
Projetos(codp, tipo, descrição)
Empregados(code, nome, categ)
Categorias(categ, salário)
ProjEmp(codp, code, data_início, tempo_aloc)
Conclusões
  • Maior independência de dados;
  • 3FN gera representações lógicas finais na maioria das vezes;
  • Redundâncias e anomalias: dependências funcionais multivaloradas.

Forma Normal De Boyce-Codd[editar | editar código-fonte]

Definição

Uma tabela está na BCNF se e somente se estiver na 3FN e todo atributo não chave depender funcionalmente diretamente da chave primária, ou seja, não há dependências entre atributos não chave.

  • Exemplo
  • Como transformar da 3NF para BCNF
  • Nem sempre pode ser alcançada preservando a dependência.

Quarta Forma Normal[editar | editar código-fonte]

Definição

Uma tabela está na 4FN, se e somente se, estiver na 3FN e não existirem dependências multivaloradas.

Exemplo (base de dados sobre livros)
Relação não normalizada: Livros(nrol, (autor), título, (assunto), editora, cid_edit, ano_public)
1FN: Livros(nrol, autor, assunto, título, editora, cid_edit, ano_public)
2FN: Livros(nrol, título, editora, cid_edit, ano_public)
     AutAssLiv(nrol, autor, assunto)
3FN: Livros(nrol, título, editora, ano_public)
     Editoras(editora, cid-edit)
     AutAssLiv(nrol, autor, assunto)

Na 3FN, a base de dados ainda apresenta os seguintes problemas:

  • Redundância para representar todas as informações;
  • Representação não-uniforme (repete alguns elementos ou posições nulas).
Passagem à 4FN
  • Geração de novas tabelas, eliminando dependências multivaloradas;
  • Análise de dependências multivaloradas entre atributos:
    • autor, assunto → Dependência multivalorada de nrol.
Resultado
Livros(nrol, título, editora, ano_public)
Editoras(editora, cid-edit)
AutLiv(nrol, autor)
AssLiv(nrol, assunto)

Quinta Forma Normal[editar | editar código-fonte]

Está ligada à noção de dependência de junção.

  • Se uma relação é decomposta em várias relações e a reconstrução não é possível pela junção das outras relações, dizemos que existe uma dependência de junção.
  • Existem tabelas na 4FN que não podem ser divididas em duas relações sem que se altere os dados originais.

Exemplo: Sejam as relações R1(CodEmp, CodPrj) e R2(CodEmp, Papel) a decomposição da relação ProjetoRecurso(CodEmp, CodPrj, Papel).

  • exemplo
  • Da 4FN para a 5NF
  • Explanação de que a última forma normal pode ser alcançada com projeções

Forma Normal Chave-Domínio[editar | editar código-fonte]

Definição

Outras dependências[editar | editar código-fonte]

  • dependências encapsuladas
  • dependencias como blocos em lógica de primeira ordem

Ver também[editar | editar código-fonte]

Referências

  1. Cerícola, Osvaldo Vicente. Banco de Dados Relacional e Distribuído. Rio de Janeiro: LTC, 1991. p. 115. ISBN 85-216-0769-5

This article was originally based on material from the Free On-line Dictionary of Computing, used with permission. Update as needed.